基于属性划分和弧形距离的层次聚类算法

• 作者: 夏卓群 欧慧 武志伟 范开钦
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 弧形距离 属性划分 最大最小距离 聚类归类 类标签
• 年，卷（期）: 2015,（8）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 174-179
• 页数: 6页
• 分类号: TP301.6
• 字数: 4949字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2015.08.032

摘要

传统k-means初始中心随机选取,在较大范围内,利用以流形距离为相似度测度的参数不能较好地反映数据集的全局一致性.为此,基于属性划分和弧形距离,提出一种层次聚类算法.依据粒计算中属性划分思想和最大最小距离法则选择初始阶段的类代表点,根据k-means进行粗聚类.采用新的距离测度,即弧形距离和反映类内相似度大类间相似度小的准则函数,对初阶段类代表点聚类归类得到期望类代表点.每个数据点依据其类代表点的类标签信息找到自己所属的类标签.实验结果表明,与其他算法相比,该算法较好地体现数据集的全局一致性,减少了运行时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏卓群	长沙理工大学计算机与通信工程学院	31	142	7.0	9.0
2	欧慧	长沙理工大学计算机与通信工程学院	5	30	4.0	5.0
3	武志伟	长沙理工大学计算机与通信工程学院	3	17	3.0	3.0
4	范开钦		3	17	3.0	3.0